買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京麥豆健康科技有限公司申請的專利一種基于肌電壓力與深度學習的方案智能推薦系統及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120345910B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510821531.5，技術領域涉及：A61B5/389；該發明授權一種基于肌電壓力與深度學習的方案智能推薦系統及方法是由鄭偉峰;滕柱;吳恒龍設計研發完成，并于2025-06-19向國家知識產權局提交的專利申請。

本一種基于肌電壓力與深度學習的方案智能推薦系統及方法在說明書摘要公布了：本發明公開了一種基于肌電壓力與深度學習的方案智能推薦系統及方法，涉及深度學習技術領域，該方案智能推薦系統通過肌電壓力一體電極同步采集盆底肌電信號與壓力信號，提取前靜息階段、快肌階段等各階段的評估數據，結合用戶的個人信息構建特征向量，經過標準化后，利用編碼器將特征映射為高維特征，通過正弦余弦位置編碼輸入解碼器，解碼器生成方案推薦矩陣；此外，在模型訓練中，通過交叉熵損失函數優化模型；本發明通過多數據融合與智能方案的生成，提高了盆底訓練效率。

本發明授權一種基于肌電壓力與深度學習的方案智能推薦系統及方法在權利要求書中公布了：1.一種基于肌電壓力與深度學習的方案智能推薦系統，其特征在于：所述推薦系統包括：數據采集模塊、數據處理模塊、位置編碼模塊、編碼器模塊、解碼器模塊； 所述數據采集模塊，用于采集用戶的盆底肌電信號和壓力信號，提取評估數據并對用戶的個人信息進行采集； 所述數據處理模塊，用于對所述評估數據和個人信息進行標準化處理，構建特征向量并將預設的組件信息統一成矩陣格式； 所述位置編碼模塊，用于對目標矩陣中每個元素的位置進行編碼，生成位置編碼矩陣； 所述編碼器模塊，用于將所述特征向量映射為高維特征向量，并拓展為特征矩陣； 所述解碼器模塊，用于將特征矩陣中的特征與位置編碼進行融合，生成方案推薦矩陣； 所述位置編碼模塊包括： 使用正弦函數對所述目標矩陣中偶數列元素的位置進行位置編碼，公式如下： ； 其中，PEpos,2i表示位置編碼矩陣中第pos行、第2i列的元素，dmodel為Transformer模型的隱藏層維度； 使用余弦函數對所述目標矩陣中奇數列元素的位置進行位置編碼，公式如下： ； 其中，PEpos,2i+1表示位置編碼矩陣中第pos行、第2i+1列元素的位置編碼； 所述編碼器模塊包括： 將所述特征向量輸入到線性變換層進行線性變換，方式如下： ； 其中，Henc表示線性變換后的特征向量，We表示線性變換的權重矩陣，be表示線性變換的偏置向量； 將線性變換后的特征通過非線性激活函數進行處理得到擴展后的特征，記為；其中，表示擴展后的特征，表示線性變換后的特征向量，n表示所述特征向量的行數，m表示所述特征向量的列數；非線性變換方式如下： ； 其中，當輸入特征x≥0時，輸出為fx=x；當輸入特征x＜0時，輸出為fx=0； 所述解碼器模塊包括：自注意力層、跨注意力層、前饋網絡層、組件預測層、概率矩陣重塑層； 所述自注意力層，為位置編碼矩陣中的每個位置生成一個對應的位置索引，通過嵌入層將每個位置索引轉換為向量記為；將所述位置編碼矩陣中每個元素對應的位置編碼與所述位置索引疊加，生成；其中，PE表示每個元素對應的位置編碼，表示當前生成的位置； 所述跨注意力層通過跨注意力機制，將特征矩陣中的特征與位置編碼進行融合，公式為： ； 其中，Q表示解碼器當前層的輸入，K、V均表示編碼器模塊擴展后的特征，表示當前位置對所有位置的關注程度； 所述前饋網絡層對所述注意力機制的輸出結果通過非線性變換進行升維，將升維后的輸出結果通過線性變換進行降維，得到去除冗余信息后的特征矩陣； 所述組件預測層將前饋網絡的輸出結果通過非線性變換將特征維度映射到組件候選空間，通過Softmax生成概率分布，公式如下： ； 其中，表示第i個用戶的第j個位置，選擇k組件的概率，N表示候選空間的組件數； 所述概率矩陣重塑層，將融合后的特征矩陣按照n行m列進行分割，轉變為n×m的矩陣，并在組件列表中，選擇預測概率最大的組件填充所述特征矩陣，得到方案推薦矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京麥豆健康科技有限公司，其通訊地址為：210012 江蘇省南京市雨花臺區鳳展路32號A2北；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。